Simulación Secuencial de una Variable Categórica – Zona Supérgena – Proyecto de Cobre Río Blanco - Perú José Terrones Alvarado (*) Jacques Deraisme (**) (*) GEOVAL PERU S.A.C., Geoestadístico Principal (**) GEOVARIANCES, Gerente Técnico. RESUMEN El modelamiento geológico de la zona supérgena en un pórfido de cobre es muy importante, si observamos que presenta las mejores leyes del depósito. Por un lado tenemos la estimación de los contenidos metálicos, pero por otro esta el volumen al que se asignarán estas leyes calculadas. El volumen de una unidad mineralizada se obtiene a partir de las secciones y/o plantas geológicas, así como la experiencia del modelador. Todo lo que se materializa en los planos y secciones son líneas y áreas determinísticas que dependen de la persona que interpreta. Debido a la topografía abrupta del yacimiento, en zonas tenemos un amplio espaciamiento entre taladros y un importante control estructural, así es difícil asegurar la continuidad de una unidad litológica siguiendo un patrón particular. La forma de un cuerpo mineral define su volumen y consecuentemente el contenido metálico, de allí la importancia de modelar y/o simular las formas de los cuerpos mineralizados complejos. Sin desvirtuar la experiencia del geólogo, consideramos necesario utilizar herramientas de ayuda a la interpretación que brindan los métodos de simulación condicional secuencial geoestadística de variables categóricas como la roca o mineral. En este caso nos interesa la zona supérgena (SG) donde existen dos concepciones, estas se superponen a los J. Terrones /J. Deraisme
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Simulación Secuencial de una Variable Categórica – Zona Supérgena – Proyecto de
Cobre Río Blanco Perú
José Terrones Alvarado(*)Jacques Deraisme (**)
(*) GEOVAL PERU S.A.C., Geoestadístico Principal (**) GEOVARIANCES, Gerente Técnico.
RESUMEN
El modelamiento geológico de la zona supérgena en un pórfido de cobre es
muy importante, si observamos que presenta las mejores leyes del depósito.
Por un lado tenemos la estimación de los contenidos metálicos, pero por otro
esta el volumen al que se asignarán estas leyes calculadas. El volumen de una
unidad mineralizada se obtiene a partir de las secciones y/o plantas geológicas,
así como la experiencia del modelador. Todo lo que se materializa en los
planos y secciones son líneas y áreas determinísticas que dependen de la
persona que interpreta.
Debido a la topografía abrupta del yacimiento, en zonas tenemos un amplio
espaciamiento entre taladros y un importante control estructural, así es difícil
asegurar la continuidad de una unidad litológica siguiendo un patrón particular.
La forma de un cuerpo mineral define su volumen y consecuentemente el contenido metálico, de allí la importancia de modelar y/o simular las
formas de los cuerpos mineralizados complejos.
Sin desvirtuar la experiencia del geólogo, consideramos necesario utilizar
herramientas de ayuda a la interpretación que brindan los métodos de
simulación condicional secuencial geoestadística de variables
categóricas como la roca o mineral. En este caso nos interesa la zona
supérgena (SG) donde existen dos concepciones, estas se superponen a los
J. Terrones /J. Deraisme
resultados de la simulación y el volumen que tenga mayor probabilidad de ser
zona SG será el cuerpo mas aceptable de nuestro modelamiento.
INTRODUCCIÓN
El problema para modelar
estructuras, cuerpos u objetos que
están asociados a depósitos
minerales o reservorios petrolíferos,
consiste en que solo disponemos de
parte de la información de estos
depósitos: afloramientos,
perforaciones, mediciones indirectas
(geofísica), y otros (Fig. 1). Estamos
familiarizados de hacer
modelamiento, estimación de
recursos y diseño de mina por
ejemplo con programas que están
presentes en el mercado local
desde hace algunos años. Los
mismos que por su carácter
industrial entregan soluciones
prácticas aproximadas no rigurosas.
Fig. 1
Es común trabajar sobre geometrías regulares, ejes coordenados ortogonales,
transformar coordenadas, rotar, proyectar un objeto a un plano principal si
tenemos un pórfido por ejemplo y, sobre un plano particular si tenemos
pliegues o vetas. Esto se llama folding y unfolding, donde podemos hacer
geoestadística y estimar, luego regresar al sistema coordenado original. Esto
es un artificio, pues pensamos que la deposición se efectuó antes o después
de la deformación y las propiedades se conservan.
Sin embargo, para calcular las anisotropías de las variables de interés (leyes,
litología, porosidad, potencia, etc.), no siempre tenemos ejes regulares, esto es
particularmente en geoestadística muy cierto.
J. Terrones /J. Deraisme
El objetivo del presente trabajo es ayudar a elegir un modelo geométrico de
una unidad geológica mineralizada por ejemplo un cuerpo silicificado o como
en este caso el cuerpo de la zona supérgena del proyecto Rio Blanco. Lo que
se pretende es calcular un volumen probabilísticamente aceptable que
responda a criterios estructurales y litológicos al mismo tiempo.
GENERALIDADES
El Proyecto Río Blanco está ubicado en el Distrito del Carmen de la Frontera,
Provincia de Huancabamba, Región Piura, en la Republica del Perú (Fig. 2).
El yacimiento principal del Proyecto
se ubica a una altura de 2,200 y
2,800 metros sobre el nivel del mar,
en las coordenadas geográficas, 4°
52' 40". 28 de latitud Sur y 79° 21'
9", de longitud Occidental en el
cerro Henry`s Hill, en cuya cumbre
se ha establecido el campamento
RB7, complementando el inicial
denominado Henry`s Hill.
Fig. 2 PERU
J. Terrones /J. Deraisme
Geología del Yacimiento
El modelo geológico conceptual del proyecto Rio Blanco es de un complejo
intrusivo multifases con un pórfido cuarcífero central, el cual intruye
tardíamente el complejo pórfido feldespático. Brechas ígneas en el área de los
recursos pueden representar múltiples generaciones. La alteración es
dominantemente fílica la cual es sobrepuesta por zonas potásicas. En los
márgenes del sistema mineralizado las leyes de la zona de alteración potásica
dentro de la propilítica tienen valores de cobre bajos. El complejo es
tardíamente intruído por diques pórfiríticos dacíticos.
Se ha desarrollado una capa de Supérgeno (SG) sobre el complejo intrusivo, y
el control primario es la topografía. El control estructural debe aportar mayor
información sobre la forma de este zoneamiento.
INFORMACION BASICA Y DEFINICIÓN DEL PROBLEMA
Los datos utilizados corresponden a los logueos de lo taladros del zoneamiento
de la mineralización, definida esta por criterio mineralógico y solubilidad de
cobre. Un estudio separado fue la incorporación de la información proveniente
de los túneles, con el correspondiente efecto de soporte para leyes y litología.
Fig. 3
J. Terrones /J. Deraisme
La metodología para asignar valores a la variable de interés es similar a la de
indicadores, es decir 0 si el punto cae en una zona de desmonte, y 1, si el
punto cae en una zona supérgena en color magenta (Fig. 3).
Los grupos de datos usados fueron de taladros diamantinos y de las 2 galerías
de exploración.
Los taladros diamantinos fueron compositados a intervalos uniformes de 5m y
7.5m de longitud, y se hicieron pruebas para elegir el mejor intervalo. Para
cada intervalo se determino la categoría de desmonte/mineral según el código
de roca correspondiente a la zonación del yacimiento.
El problema
El cuerpo de la zona supérgena tiene dos modelos relativamente distintos en
su parte superior, proveniente de dos concepciones. Una de ellas incorpora un
control estructural importante además del control topográfico.
Para lograr nuestro objetivo de dar un volumen probabilístico aceptable, se
definió la base límite de oxidación y sobre esta línea la línea límite entre óxidos
y zona supérgena, La figura 4 ilustra sobre que volúmenes trabajaremos:
Fig.4
J. Terrones /J. Deraisme
Según el gráfico, definimos V1 = V2 + V3 o la suma de los volúmenes de
supérgeno y óxidos, sobre el límite teórico de oxidación. Nosotros debemos
encontrar si este V2 que toma en cuenta los dos controles es altamente
probable en términos de probabilidades calculadas.
LA SIMULACIÓN CONDICIONAL SECUENCIAL
El programa ISATIS utilizado para este estudio produce una simulación de la
variable categórica (una litología por ejemplo), cuyo proceso describimos a
continuación. El programa toma en cuenta las fallas si existen al ingreso de
datos en el radio de búsqueda secuencial.
El rango de variación de la data ingresada es dividido en un juego de
intervalos. Cada intervalo corresponde a una fascies, con su proporción global
asociada (o frecuencia).
Toda la data es primero migrada al nodo más cercano y serán los datos
primarios. Los nodos de los bloques siguientes son “escaneados” usando un
camino aleatorio. Un radio de búsqueda es establecido centrado en un bloque
cualquiera, de la cual su extensión es un radio dado en número de bloques.
Dentro del radio de búsqueda, el procedimiento busca la data en los nodos ya
simulados, de los cuales el conteo máximo será especificado por el usuario. La
búsqueda es completada decreciendo la distancia a través de la función
covarianza, la que asegura que la data más cercana correlacionada con el
objetivo será tomada primero.
Luego los datos son codificados en grupos de indicadores. Para cada intervalo
el indicador es fijado en 1 si los datos pertenecen a este intervalo y 0 en caso
contrario.
Una característica adicional ha sido adicionada en el programa el cual toma la
proporción teórica en cuenta. El radio de búsqueda alrededor de un nodo
específico puede terminar sin valores (ni primaria ni simulada). La simulación
J. Terrones /J. Deraisme
luego se vuelve no condicional. El resultado es entonces asignado de las
proporciones.
La estimación no necesariamente cae entre o y 1. Ellos son simplemente
truncados a un valor positivo y normalizado posteriormente. En el nodo
objetivo, el vector de esta estimación (para todos los intervalos) es considerado
como una función de probabilidad cumulativa, condicionada a la información
cercana. Luego asignamos números aleatorios uniformemente entre 0 y 1 y lo
comparamos con la función de probabilidad acumulada. El valor simulado
corresponde al rango del intervalo al cual el valor aleatorio pertenece.
El siguiente paso consiste en hacer un cokrigeage tomando en cuenta la
información previa, la que requiere un modelo multivariable consistente. Para
simplicidad el modelo es construido empezando por un modelo genérico
(usualmente basado en una fascies representativa), de acuerdo a su meseta
para cada variable. De hecho como no consideraremos el cálculo de varianzas
de estimación, esta concordancia no es necesaria.
ANÁLISIS ESTADÍSTICO Y GEOESTADÍSTICO DE LOS DATOS
681000
681000
681500
681500
682000
682000
682500
682500
683000
683000
683500
683500
X (m)
X (m)
9458500 9458500
9459000 9459000
9459500 9459500
9460000 9460000
9460500 9460500
9461000 9461000 ORE
Base Map SG
IsatisJT
Rio Blanco
Fig. 5
La figura 5 muestra la distribución
de los datos codificados como
supérgeno (SG), en una vista de
planta. Los puntos laterales
corresponden a logueos de taladros
de geotecnia, también utilizados
para el modelamiento.
J. Terrones /J. Deraisme
0.0
0.0
0.5
0.5
1.0
1.0
ORE
ORE
0.0 0.0
0.1 0.1
0.2 0.2
0.3 0.3
0.4 0.4
0.5 0.5
0.6 0.6
0.7 0.7
0.8 0.8 Nb Samples: 9976Minimum: 0.00Maximum: 1.00Mean: 0.22Std. Dev.: 0.41
Histogram SG
IsatisJT
Aug 18 2006 07:50:19Rio Blanco
Los datos del zoneamiento
debidamente compositados
presentan el histograma de la figura
6 a la izquierda, con 9974 muestras
válidas código “1”, una varianza
asociada de 0.41 moderada.
Fig. 6
Variografía
Una herramienta que nos ayuda mucho son los planos variográficos. Estos nos
permiten determinar los ejes de las posibles anisotropías, evitándonos trabajar
múltiples direcciones independientemente. El paso para el cálculo de la función
variograma en 2D está en función al espaciamiento entre muestras, así sobre
este plano dibujamos los ejes que automáticamente nos grafica el variograma
experimental correspondiente a la dirección elegida (Fig. 7).
La función define el paso en número de sectores angulares, y se ubican los
planos en un punto definido por el usuario.
J. Terrones /J. Deraisme
N270 U
V
N270 U
W
N180
W
V
N220
D90
N0
0
0
100
100
200
200
300
300
400
400
500
500
600
600
700
700
800
800
900
900
1000
1000
1100
1100
Distance (m)
Distance (m)
0.2 0.2
0.1 0.1
0.0 0.0
0.3 0.3
Variogram Map SG
IsatisJTerrones
Aug 18 2006 07:49:13Rio Blanco
Fig. 7 Plano variográfico zona supérgena.
El variograma teórico modelado fue un exponencial cuyas características se
aprecian en la figura 8 , la función correspondiente es como sigue: